|
Neuroevolution Principles and Applications
Herec, Jan ; Strnadel, Josef (referee) ; Bidlo, Michal (advisor)
The theoretical part of this work deals with evolutionary algorithms (EA), neural networks (NN) and their synthesis in the form of neuroevolution. From a practical point of view, the aim of the work is to show the application of neuroevolution on two different tasks. The first task is the evolutionary design of the convolutional neural network (CNN) architecture that would be able to classify handwritten digits (from the MNIST dataset) with a high accurancy. The second task is the evolutionary optimization of neurocontroller for a simulated Falcon 9 rocket landing. Both tasks are computationally demanding and therefore have been solved on a supercomputer. As a part of the first task, it was possible to design such architectures which, when properly trained, achieve an accuracy of 99.49%. It turned out that it is possible to automate the design of high-quality architectures with the use of neuroevolution. Within the second task, the neuro-controller weights have been optimized so that, for defined initial conditions, the model of the Falcon booster can successfully land. Neuroevolution succeeded in both tasks.
|
|
Developing Brain Computer Interface for Imagined Movements
Blašková, Barbora ; Jawed, Soyiba (referee) ; Malik, Aamir Saeed (advisor)
Rôzne poruchy a choroby mozgu postihujú približne každého šiesteho človeka a veľa z nich necháva na pacientoch trvalé následky. Téma mentálneho zdravia je čoraz viac dôležitá, keďže každý desiaty človek má diagnostikovanú mentálnu poruchu. Je preto dôležité študovať orgán, ktorý je stále z veľkej čati záhadou - mozog. Diplomová práca sa zameriava na Brain Computer Interface (BCI) - rozhranie, ktoré ponúka priame komunikačné spojenie medzi mozgom a vonkajším svetom. Základná myšlienka BCI je veľmi jednoduchá - najprv získať signál z mozgu, dekódovať ho a vykonať akciu vychádzajúcu zo zámeru užívateľa. Jedna z metód ako pomocou mozgu priamo komunikovať sú predstavované pohyby, čo je metóda založená na fakte, že predstava pohybu vyvoláva v mozgu rovnakú odozvu ako skutočný pohyb. V diplomovej práci je navrhnuté použiť EEG a jeho relatívne novú metódu analýzy - mikrostavy. Klasifikátor na rozlišovanie medzi úlohami predstavovaných pohybov je navrhnutý ako kombinácia vlastností mikrostavov extrahovaných z rôznych oblastí mozgu s už známymi vlastnosťami, ako napríklad frekvenčné alebo časové vlastnosti signálu. Klasifikátory boli natrénované na 30 účastníkoch, pre každého zvlášť.Boli implementované dva odlišné klasifikátory - jeden na klasifikáciu nečinnosti oproti aktivite a druhý na klasifikáciu predstavy pohybu ľavej ruky verzus pravej ruky. Priemerná presnosť klasifikácie nečinnosti a aktivity bola 0.85. Priemerná presnosť klasifikácie predstavy pohybu ľavej a pravej ruky bola 0.74. Ukázalo sa, že mikrostavy sú užitočné pri rozlišovaní medzi rôznymi stavmi v kontexte predstavovaných pohybov a BCI, ale potrebujú určité vylepšenia z hľadiska ďalšieho výskumu.
|
|
Neuroevolution Principles and Applications
Herec, Jan ; Strnadel, Josef (referee) ; Bidlo, Michal (advisor)
The theoretical part of this work deals with evolutionary algorithms (EA), neural networks (NN) and their synthesis in the form of neuroevolution. From a practical point of view, the aim of the work is to show the application of neuroevolution on two different tasks. The first task is the evolutionary design of the convolutional neural network (CNN) architecture that would be able to classify handwritten digits (from the MNIST dataset) with a high accurancy. The second task is the evolutionary optimization of neurocontroller for a simulated Falcon 9 rocket landing. Both tasks are computationally demanding and therefore have been solved on a supercomputer. As a part of the first task, it was possible to design such architectures which, when properly trained, achieve an accuracy of 99.49%. It turned out that it is possible to automate the design of high-quality architectures with the use of neuroevolution. Within the second task, the neuro-controller weights have been optimized so that, for defined initial conditions, the model of the Falcon booster can successfully land. Neuroevolution succeeded in both tasks.
|